1. 工作流概述

这个工作流用于生成中国古代美女的高清图像，基于 Stable Diffusion 模型，使用特定的 Checkpoint（macc-平面模特_v2.0）和文本提示（Prompt）来生成具有古典美的女性形象。

核心模型：

• Checkpoint（大模型）：macc-平面模特_v2.0（专用于亚洲风格人像生成）。

• CLIP 文本编码器：处理正面和负面提示词。

• VAE 解码器：将生成的潜在图像（Latent Image）解码为可视化的 RGB 图像。

2. 组件说明

• 关键节点（Nodes）：

  • CheckpointLoaderSimple（节点4）：加载 macc-平面模特_v2.0 模型，输出模型、CLIP 和 VAE。

  • CLIPTextEncode（节点6和7）：

    • 节点6：处理正面提示词（描述古代美女的细节，如“肤若桃李、眼似横波”）。

    • 节点7：处理负面提示词（如“text, watermark”，避免水印和文字干扰）。

  • EmptyLatentImage（节点5）：创建空白潜在图像，分辨率设为 784x1136（宽高比接近传统中国画）。

  • KSampler（节点3）：使用 Euler 采样器，步骤数 135，CFG 值 8，生成高质量图像。

  • VAEDecode（节点8）：将 KSampler 生成的潜在图像解码为最终图像。

  • SaveImage（节点9）：保存生成的图像到 ComfyUI/output 文件夹。

• 安装方法：

  • 所有节点均为 ComfyUI 内置，无需额外安装。

  • Checkpoint 模型需手动下载并放入 models/checkpoints 文件夹。

• 特殊依赖：

  • 需确保 macc-平面模特_v2.0.safetensors 已正确放置，可从 CivitAI 或作者提供的链接下载。

3. 工作流结构

• Group 1: 模型与提示词加载

  • 输入：Checkpoint 名称、正面/负面提示词。

  • 输出：模型、CLIP 编码后的条件（Conditioning）。

• Group 2: 潜在图像生成

  • 输入：空白潜在图像（分辨率 784x1136）、采样参数（Steps=135, CFG=8）。

  • 输出：潜在空间图像（Latent Image）。

• Group 3: 图像解码与保存

  • 输入：潜在图像、VAE 模型。

  • 输出：最终图像并保存。

4. 输入与输出

• 输入参数：

  • 必填：

    • 正面提示词（描述古代美女的细节）。

    • 负面提示词（如“text, watermark”）。

  • 可选：

    • 种子值（Seed，默认为随机）。

    • 分辨率（通过 EmptyLatentImage 调整）。

• 输出结果：

  • 一张符合描述的中国古代美女图像（PNG 格式）。

5. 注意事项

• 常见问题：

  • 模型缺失：确保 macc-平面模特_v2.0.safetensors 已下载。

  • 显存不足：降低分辨率（如 512x768）或减少采样步骤（Steps）。

• 优化建议：

  • 使用 TAESD 加速预览（需在 VAE 设置中启用）。

  • 尝试不同采样器（如 DPM++ 2M）以平衡速度与质量。